0 - Informações¶

RESPONSÁVEL: Equipe de Governança de Dados Solude

DATA DE ATUALIZAÇÃO: 21/09/2023

VERSÃO: 1.0

ORIGEM DOS DADOS:

- Dados de produção: Banco de Dados do SIA (BPA-I)
- Dados de proprios: Categorias de CBOs, Demografia Piauí
- Dados de apoio: Dominio CNES (Natureza Jurídica, CBO), Dados Auxiliares CNES (CID10)

1 - Descrição da Análise¶

Este notebook tem como objetivo realizar a análise exploratória dos dados do SIA, com o intuito de extrair insights para a resolução da seguinte proposta de valor:

  • Quais municipios do Piauí possuem maior demanda por serviços de saúde ambulatoriais?
  • Quais são as especialidades mais demandadas?
  • As especialidades demandadas podem ser atendidas por uma determinada empresa de telemedicina?
  • Destes municípios, qual a relação entre o IDH e a demanda por serviços de saúde ambulatoriais?

2 - Configurações¶

Para realizar a análise proposta utilizaremos a linguagem Python.

Primeiramente será necessário importar as bibliotecas necessárias e configurar o ambiente.

2.1 - Bibliotecas do Python¶

As bibliotecas utilizadas são:

  • pandas: para manipulação dos dados
  • numpy: para manipulação de arrays (Vectores e Matrizes)
  • regex: para manipulação de caracteres
  • matplotlib: para visualização dos dados
  • seaborn: para visualização dos dados
  • plotly: para visualização dos dados

2.2 - Variaveis de Ambiente¶

Nesta etapa são definidas as variaveis de caminho dos arquivos de entrada e saída da maquina local.

2.3 - Funções Personalizadas¶

Funções personalizadas de uso geral podem estar definidas nesta seção ou em suas respectivas seções de uso.

3 - Aquisição e Tratamento de Dados¶

Nesta etapa são carregados os dados de entrada e auxiliares para a análise.

Os dados aqui carregados são provenientes de diversas fontes oficiais, como o DATASUS, IBGE, CNES, etc. Agregados e tratados pela equipe de Governança de Dados da Solude por meio da pipeline de dados ETL EXPAND, de gestão proprietária.

3.1 - Boletim de Produção Ambulatorial Individualizado (BPA-I)¶

Disponivel no sob aba de desseminação publica do FTP do DATASUS, o BPA-I é um arquivo de dados que contém informações sobre os procedimentos ambulatoriais realizados no SUS, por meio do Sistema de Informações Ambulatoriais (SIA/SUS). Esta será a principal fonte de informação para a análise.

Foram agregados dados de Janeiro de 2022 a Junho de 2023.

Com o objetivo de ampliar o conhecimento sobre as ações e serviços realizados pelo SUS, a Portaria SAS/MS n° 709, de 27 de dezembro de 2007 instituiu um novo instrumento de registro no SIA de forma individualizada. O BPA conservou sua forma original de registro agregado, para alguns procedimentos através do BPA Consolidado (BPA-C), sendo acrescido o BPA Individualizado (BPA-I), e este último passou a registrar informações sobre os usuários do SUS, assim como de sua situação de saúde através da CID.

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3303532 entries, 0 to 3303531
Data columns (total 36 columns):
 #   Column      Dtype  
---  ------      -----  
 0   CODUNI      int64  
 1   GESTAO      int64  
 2   CONDIC      object 
 3   UFMUN       int64  
 4   TPUPS       int64  
 5   TIPPRE      int64  
 6   MN_IND      object 
 7   CNPJCPF     int64  
 8   CNPJMNT     int64  
 9   CNPJ_CC     int64  
 10  DT_PROCESS  int64  
 11  DT_ATEND    int64  
 12  PROC_ID     int64  
 13  TPFIN       int64  
 14  SUBFIN      int64  
 15  COMPLEX     int64  
 16  AUTORIZ     object 
 17  CNSPROF     int64  
 18  CBOPROF     object 
 19  CIDPRI      object 
 20  CATEND      int64  
 21  CNS_PAC     object 
 22  DTNASC      object 
 23  TPIDADEPAC  int64  
 24  IDADEPAC    int64  
 25  SEXOPAC     object 
 26  RACACOR     int64  
 27  MUNPAC      int64  
 28  QT_APRES    int64  
 29  QT_APROV    int64  
 30  VL_APRES    float64
 31  VL_APROV    float64
 32  UFDIF       int64  
 33  MNDIF       int64  
 34  ETNIA       object 
 35  NAT_JUR     int64  
dtypes: float64(2), int64(25), object(9)
memory usage: 907.3+ MB
None
CODUNI GESTAO CONDIC UFMUN TPUPS TIPPRE MN_IND CNPJCPF CNPJMNT CNPJ_CC ... RACACOR MUNPAC QT_APRES QT_APROV VL_APRES VL_APROV UFDIF MNDIF ETNIA NAT_JUR
0 7753322 220000 EP 220005 39 0 M 3961246000118 3961246000118 0 ... 1 220005 1 1 150.00 150.00 0 0 NaN 1031
1 8002819 220000 EP 221100 81 0 M 6553564000138 6553564000138 0 ... 4 220820 67 67 331.65 331.65 0 1 NaN 1023
2 9932550 220000 EP 220375 39 0 M 41522384000190 41522384000190 0 ... 2 220375 1 1 150.00 150.00 0 0 NaN 1244
3 8002819 220000 EP 221100 81 0 M 6553564000138 6553564000138 0 ... 3 220970 7 7 173.25 173.25 0 1 NaN 1023
4 8002819 220000 EP 221100 81 0 M 6553564000138 6553564000138 0 ... 2 220390 16 16 396.00 396.00 0 1 NaN 1023
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
3303527 2679671 221100 PG 221100 5 0 M 6553564005520 6553564000138 0 ... 3 221100 1 1 0.00 0.00 0 0 NaN 1023
3303528 2726998 221100 PG 221100 5 0 I 6870026000177 0 0 ... 3 220630 1 1 7.77 7.77 0 1 NaN 3999
3303529 2726998 221100 PG 221100 5 0 I 6870026000177 0 0 ... 3 220790 1 1 24.20 24.20 0 1 NaN 3999
3303530 2679671 221100 PG 221100 5 0 M 6553564005520 6553564000138 0 ... 2 221100 1 1 24.20 24.20 0 0 NaN 1023
3303531 2726971 221100 PG 221100 5 0 M 6553564010443 6553564000138 0 ... 3 221100 20 20 93.40 93.40 0 0 NaN 1023

3303532 rows × 36 columns

Apenas os dados brutos e codificados não fornecem informações suficientes para a análise, sendo necessário o uso de dados auxiliares para enriquecimento da interpretação.

3.1.1 - Enriquecimento dos Dados¶

3.1.1.1 - Tipo de Estabelecimento¶

TP_UNIDADE DESCRICAO_TIPO_ESTABELECIMENTO
0 1 POSTO DE SAUDE
1 2 CENTRO DE SAUDE/UNIDADE BASICA
2 4 POLICLINICA
3 5 HOSPITAL GERAL
4 7 HOSPITAL ESPECIALIZADO
5 15 UNIDADE MISTA
6 20 PRONTO SOCORRO GERAL
7 21 PRONTO SOCORRO ESPECIALIZADO
8 22 CONSULTORIO ISOLADO
9 32 UNIDADE MOVEL FLUVIAL
10 36 CLINICA/CENTRO DE ESPECIALIDADE
11 39 UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOL...
12 40 UNIDADE MOVEL TERRESTRE
13 42 UNIDADE MOVEL DE NIVEL PRE-HOSPITALAR NA AREA ...
14 43 FARMACIA
15 50 UNIDADE DE VIGILANCIA EM SAUDE
16 60 COOPERATIVA OU EMPRESA DE CESSAO DE TRABALHADO...
17 61 CENTRO DE PARTO NORMAL - ISOLADO
18 62 HOSPITAL/DIA - ISOLADO
19 64 CENTRAL DE REGULACAO DE SERVICOS DE SAUDE
20 67 LABORATORIO CENTRAL DE SAUDE PUBLICA - LACEN
21 68 CENTRAL DE GESTAO EM SAUDE
22 69 CENTRO DE ATENCAO HEMOTERAPICA E OU HEMATOLOGICA
23 70 CENTRO DE ATENCAO PSICOSSOCIAL
24 71 CENTRO DE APOIO A SAUDE DA FAMILIA
25 72 UNIDADE DE ATENCAO A SAUDE INDIGENA
26 73 PRONTO ATENDIMENTO
27 74 POLO ACADEMIA DA SAUDE
28 75 TELESSAUDE
29 76 CENTRAL DE REGULACAO MEDICA DAS URGENCIAS
30 77 SERVICO DE ATENCAO DOMICILIAR ISOLADO(HOME CARE)
31 78 UNIDADE DE ATENCAO EM REGIME RESIDENCIAL
32 79 OFICINA ORTOPEDICA
33 80 LABORATORIO DE SAUDE PUBLICA
34 81 CENTRAL DE REGULACAO DO ACESSO
35 82 CENTRAL DE NOTIFICACAO,CAPTACAO E DISTRIB DE O...
36 83 POLO DE PREVENCAO DE DOENCAS E AGRAVOS E PROMO...
37 84 CENTRAL DE ABASTECIMENTO
38 85 CENTRO DE IMUNIZACAO

3.1.1.2 - Datas¶

  • Processamento
  • Atendimento
  • Nascimento

Vale ressaltar que alguns dados de nascimento apresentaram inconsistências em sua estrutura, com a presença de espaços onde deveria haver zeros para complementar a forma de dois digitos do mês e/ou do dia.

Fazendo-se necessário o tratamento por meio da substituição dos espaços por zeros.

3.1.1.3 - Idades¶

A idade do paciente está sendo calculada a partir da data de nascimento e da data de atendimento. dividindo-se a diferença entre as duas datas por 365.25 (média de dias por ano) e arredondando o resultado para baixo.

Em casos de pacientes com menos de 1 ano de idade, é considerado como 0.

3.1.1.4 - CID10¶

CD_COD CD_DESCR
0 A00 A00 Colera
1 A000 A00.0 Colera dev Vibrio cholerae 01 biot cholerae
2 A001 A00.1 Colera dev Vibrio cholerae 01 biot El Tor
3 A009 A00.9 Colera NE
4 A01 A01 Febres tifoide e paratifoide
... ... ...
14524 Z991 Z99.1 Dependencia de respirador
14525 Z992 Z99.2 Dependencia de dialise renal
14526 Z993 Z99.3 Dependencia de cadeira de rodas
14527 Z998 Z99.8 Depend outr maq e aparelhos capacitantes
14528 Z999 Z99.9 Depend maquina e aparelho capacitante NE

14529 rows × 2 columns

3.1.1.5 - CBO¶

CBO

origem: CNES DOMINIOS

OCUPAÇÃO DESCRIÇÃO SAÚDE? REGULAMENTADO?
0 010105 OFICIAL GENERAL DA AERONAUTICA N N
1 010110 OFICIAL GENERAL DO EXERCITO N N
2 010115 OFICIAL GENERAL DA MARINHA N N
3 010205 OFICIAL DA AERONAUTICA N N
4 010210 OFICIAL DO EXERCITO N N
... ... ... ... ...
2606 992205 ENCARREGADO GERAL DE OPERACOES DE CONSERVACAO ... N N
2607 992210 ENCARREGADO DE EQUIPE DE CONSERVACAO DE VIAS P... N N
2608 992215 OPERADOR DE CEIFADEIRA NA CONSERVACAO DE VIAS ... N N
2609 992220 PEDREIRO DE CONSERVACAO DE VIAS PERMANENTES (E... N N
2610 992225 AUXILIAR GERAL DE CONSERVACAO DE VIAS PERMANEN... N N

2611 rows × 4 columns

Ao verificar a completude dos dados de CBO, foi observado que:

27

categorias de CBOs do conjunto de dados não estão presentes no dominio CNES, sendo necessário o uso de uma tabela complementar.

Complemento CBO 2002

origem: http://www.mtecbo.gov.br/cbosite/pages/downloads.jsf

CODIGO TITULO
0 10105 Oficial general da aeronáutica
1 10110 Oficial general do exército
2 10115 Oficial general da marinha
3 10205 Oficial da aeronáutica
4 10210 Oficial do exército
... ... ...
2689 992205 Encarregado geral de operações de conservação ...
2690 992210 Encarregado de equipe de conservação de vias p...
2691 992215 Operador de ceifadeira na conservação de vias ...
2692 992220 Pedreiro de conservação de vias permanentes (e...
2693 992225 Auxiliar geral de conservação de vias permanen...

2694 rows × 2 columns

Ao verificar a completude dos dados de CBO, foi observado que:

0

categorias apresentam ausencia de informações de CBO.

3.1.1.6 - Agrupndo CBOs nas Categorias de Interesse da Análise¶

Categoria DS_CBOPROF
0 Cardiologia MEDICO CARDIOLOGISTA
1 Dermatologia MEDICO DERMATOLOGISTA
2 Endocrinologia MEDICO ENDOCRINOLOGISTA E METABOLOGISTA
3 Geriatria GERIATRIA
4 Ginecologia MEDICO GINECOLOGISTA E OBSTETRA
... ... ...
70 Outros MEDICO PATOLOGISTA
71 Outros ENFERMEIRO NEFROLOGISTA
72 Outros MEDICO REUMATOLOGISTA
73 Outros Médico radiologista intervencionista
74 Outros ENFERMEIRO

75 rows × 2 columns

3.1.1.7 - Natureza Jurídica¶

CO_NATUREZA_JUR DS_NATUREZA_JUR
0 1000 ADMINISTRACAO PUBLICA
1 1015 ORGAO PUBLICO DO PODER EXECUTIVO FEDERAL
2 1023 ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D...
3 1031 ORGAO PUBLICO DO PODER EXECUTIVO MUNICIPAL
4 1040 ORGAO PUBLICO DO PODER LEGISLATIVO FEDERAL
... ... ...
89 4120 PRODUTOR RURAL (PESSOA FISICA)
90 5000 ORGANIZACOES INTERNACIONAIS E OUTRAS INSTITUIC...
91 5010 ORGANIZACAO INTERNACIONAL
92 5029 REPRESENTACAO DIPLOMATICA ESTRANGEIRA
93 5037 OUTRAS INSTITUICOES EXTRATERRITORIAIS

94 rows × 2 columns

Não é possível executar o código, a sessão foi descartada. Tente reiniciar o Kernel.
O Kernel falhou ao executar o código na célula atual ou em uma célula anterior. Examine o código nas células para identificar uma possível causa da falha. Clique <a href="https://aka.ms/vscodeJupyterKernelCrash">aqui</a> para obter mais informações. Consulte o <a href='command:jupyter.viewOutput'>log</a> do Jupyter para obter mais detalhes.

3.1.2 - Eliminação de Caracteristicas Desnecessárias¶

3.1.3 - Base Final¶

A base final enriquecida, composta por 2389857 registros, segue abaixo:

CODUNI GESTAO UFMUN DT_PROCESS DT_ATEND PROC_ID TPFIN COMPLEX CIDPRI CATEND ... VL_APROV UFDIF MNDIF DS_TPUPS IDADE DS_CID DS_CBOPROF Categoria DS_NAT_JUR Pub/Priv
0 7753322 220000 220005 2021-01-01 2020-12-01 701070102 6 0 0000 1 ... 150.00 0 0 UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOL... 46 NaN PROTETICO DENTARIO Outros ORGAO PUBLICO DO PODER EXECUTIVO MUNICIPAL Público
1 8002819 220000 221100 2021-01-01 2021-01-01 803010125 6 0 N180 1 ... 331.65 0 1 CENTRAL DE REGULACAO DO ACESSO 60 N18.0 Doenc renal em estadio final MEDICO CLINICO Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público
2 9932550 220000 220375 2021-01-01 2020-12-01 701070129 6 0 0000 1 ... 150.00 0 0 UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOL... 69 NaN CIRURGIAO DENTISTA CLINICO GERAL Outros MUNICIPIO Público
3 8002819 220000 221100 2021-01-01 2021-01-01 803010044 6 0 0000 1 ... 173.25 0 1 CENTRAL DE REGULACAO DO ACESSO 42 NaN MEDICO CLINICO Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público
4 8002819 220000 221100 2021-01-01 2021-01-01 803010010 6 0 0000 1 ... 396.00 0 1 CENTRAL DE REGULACAO DO ACESSO 38 NaN MEDICO CLINICO Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
3653031 2679671 221100 221100 2023-06-01 2023-06-01 101020104 1 1 0000 2 ... 0.00 0 0 HOSPITAL GERAL 35 NaN CIRURGIAO DENTISTA CLINICO GERAL Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público
3653032 2726998 221100 221100 2023-06-01 2023-06-01 204060095 6 2 C900 1 ... 7.77 0 1 HOSPITAL GERAL 43 C90.0 Mieloma mult MEDICO EM RADIOLOGIA E DIAGNOSTICO POR IMAGEM Outros ASSOCIACAO PRIVADA Privado
3653033 2726998 221100 221100 2023-06-01 2023-06-01 205020097 6 2 C504 1 ... 24.20 0 1 HOSPITAL GERAL 77 C50.4 Quadrante super externo da mama MEDICO EM RADIOLOGIA E DIAGNOSTICO POR IMAGEM Outros ASSOCIACAO PRIVADA Privado
3653034 2679671 221100 221100 2023-06-01 2023-06-01 205020143 6 2 0000 1 ... 24.20 0 0 HOSPITAL GERAL 23 NaN MEDICO EM RADIOLOGIA E DIAGNOSTICO POR IMAGEM Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público
3653035 2726971 221100 221100 2023-06-01 2023-05-01 302050027 6 2 M541 1 ... 93.40 0 0 HOSPITAL GERAL 67 M54.1 Radiculopatia FISIOTERAPEUTA GERAL Outros ORGAO PUBLICO DO PODER EXECUTIVO ESTADUAL OU D... Público

3653036 rows × 27 columns

Quantidade de CNS unicos de pacientes:

916669

Quantidade de ID de procedimentos ambulatoriais unicos:

675

Quantidade de registros cuja CID é 0000, portanto inconsistente:

2496367

Esse valor representa mais que 60% dos registros, dessa forma, esse campo é inviavel para avaliar a demanda por especialidades com base em CIDs.

Sob essa perspectiva, será necessário utilizar o campo de CBO, cuja integridade dos dados está segura, para avaliar a demanda por especialidades com base na especialidade do profissional que realizou o procedimento.

4 - Análise Exploratória de Dados (EDA)¶

4.1 - Demanda de Atendimentos¶

4.1.1 - Geral¶

Considerando Capital¶

DT_ATEND count ANO MES
0 2021-01 82890 2021 1
1 2021-02 82758 2021 2
2 2021-03 85908 2021 3
3 2021-04 90888 2021 4
4 2021-05 100305 2021 5
5 2021-06 114880 2021 6
6 2021-07 113438 2021 7
7 2021-08 119436 2021 8
8 2021-09 123988 2021 9
9 2021-10 118701 2021 10
10 2021-11 121773 2021 11
11 2021-12 109258 2021 12
12 2022-01 105589 2022 1
13 2022-02 104587 2022 2
14 2022-03 129623 2022 3
15 2022-04 115475 2022 4
16 2022-05 131217 2022 5
17 2022-06 127152 2022 6
18 2022-07 128737 2022 7
19 2022-08 131200 2022 8
20 2022-09 132970 2022 9
21 2022-10 136181 2022 10
22 2022-11 159503 2022 11
23 2022-12 131851 2022 12
24 2023-01 122838 2023 1
25 2023-02 116427 2023 2
26 2023-03 159519 2023 3
27 2023-04 150897 2023 4
28 2023-05 173224 2023 5
29 2023-06 124920 2023 6

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

DT_ATEND count ANO MES
0 2021-01 34522 2021 1
1 2021-02 38474 2021 2
2 2021-03 46057 2021 3
3 2021-04 47568 2021 4
4 2021-05 52580 2021 5
5 2021-06 57719 2021 6
6 2021-07 54932 2021 7
7 2021-08 62059 2021 8
8 2021-09 68730 2021 9
9 2021-10 61509 2021 10
10 2021-11 62145 2021 11
11 2021-12 57063 2021 12
12 2022-01 55363 2022 1
13 2022-02 52194 2022 2
14 2022-03 59949 2022 3
15 2022-04 54672 2022 4
16 2022-05 62195 2022 5
17 2022-06 61351 2022 6
18 2022-07 63915 2022 7
19 2022-08 68555 2022 8
20 2022-09 68003 2022 9
21 2022-10 75882 2022 10
22 2022-11 102398 2022 11
23 2022-12 83648 2022 12
24 2023-01 64310 2023 1
25 2023-02 61830 2023 2
26 2023-03 72151 2023 3
27 2023-04 63207 2023 4
28 2023-05 68986 2023 5
29 2023-06 64895 2023 6

4.1.2 - Por Categoria de Especialidade do Médico¶

Considerando Capital¶

DT_ATEND Categoria count
0 2021-01-01 Cardiologia 923
1 2021-01-01 Dermatologia 24
2 2021-01-01 Ginecologia 2438
3 2021-01-01 Neurologia 850
4 2021-01-01 Otorrinolaringologia 562
... ... ... ...
322 2023-06-01 Pediatria 103
323 2023-06-01 Psicologia 3669
324 2023-06-01 Psiquiatria 730
325 2023-06-01 Traumatologia 1318
326 2023-06-01 Urologia 6

327 rows × 3 columns

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

DT_ATEND Categoria count
0 2021-01-01 Cardiologia 125
1 2021-01-01 Ginecologia 797
2 2021-01-01 Neurologia 351
3 2021-01-01 Pediatria 44
4 2021-01-01 Psicologia 960
... ... ... ...
272 2023-06-01 Pediatria 99
273 2023-06-01 Psicologia 3387
274 2023-06-01 Psiquiatria 730
275 2023-06-01 Traumatologia 1144
276 2023-06-01 Urologia 5

277 rows × 3 columns

4.1.3 - Por Categoria de Estabelecimento¶

Considerando Capital¶

['CLINICA/CENTRO DE ESPECIALIDADE',
 'HOSPITAL GERAL',
 'UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOLADO)',
 'POLICLINICA',
 'CENTRAL DE REGULACAO DO ACESSO',
 'LABORATORIO DE SAUDE PUBLICA',
 'PRONTO SOCORRO ESPECIALIZADO',
 'CENTRO DE ATENCAO HEMOTERAPICA E OU HEMATOLOGICA',
 'UNIDADE MISTA',
 'HOSPITAL ESPECIALIZADO']
DT_ATEND DS_TPUPS count
0 2021-01-01 CENTRAL DE REGULACAO DO ACESSO 4369
1 2021-01-01 CENTRO DE ATENCAO HEMOTERAPICA E OU HEMATOLOGICA 3034
2 2021-01-01 CLINICA/CENTRO DE ESPECIALIDADE 28114
3 2021-01-01 HOSPITAL ESPECIALIZADO 2436
4 2021-01-01 HOSPITAL GERAL 19487
... ... ... ...
294 2023-06-01 LABORATORIO DE SAUDE PUBLICA 3760
295 2023-06-01 POLICLINICA 7246
296 2023-06-01 PRONTO SOCORRO ESPECIALIZADO 3488
297 2023-06-01 UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOL... 14784
298 2023-06-01 UNIDADE MISTA 2682

299 rows × 3 columns

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

['CLINICA/CENTRO DE ESPECIALIDADE',
 'HOSPITAL GERAL',
 'UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOLADO)',
 'POLICLINICA',
 'UNIDADE MISTA',
 'UNIDADE MOVEL TERRESTRE',
 'CENTRO DE SAUDE/UNIDADE BASICA',
 'CENTRO DE ATENCAO PSICOSSOCIAL',
 'HOSPITAL ESPECIALIZADO',
 'PRONTO ATENDIMENTO']
DT_ATEND DS_TPUPS count
0 2021-01-01 CENTRO DE ATENCAO PSICOSSOCIAL 310
1 2021-01-01 CENTRO DE SAUDE/UNIDADE BASICA 482
2 2021-01-01 CLINICA/CENTRO DE ESPECIALIDADE 12525
3 2021-01-01 HOSPITAL ESPECIALIZADO 7
4 2021-01-01 HOSPITAL GERAL 11782
... ... ... ...
295 2023-06-01 POLICLINICA 2734
296 2023-06-01 PRONTO ATENDIMENTO 237
297 2023-06-01 UNIDADE DE APOIO DIAGNOSE E TERAPIA (SADT ISOL... 10741
298 2023-06-01 UNIDADE MISTA 1829
299 2023-06-01 UNIDADE MOVEL TERRESTRE 537

300 rows × 3 columns

4.2 - Fluxo de Pacientes¶

4.2.1 - Geral¶

Considerando Capital¶

UFMUN MUNPAC count
0 220005 220070 2
1 220010 220050 1
2 220020 220010 193
3 220020 220040 1
4 220020 220050 13
... ... ... ...
1717 221130 221110 1
1718 221130 221120 1
1719 221130 221135 7
1720 221130 221140 884
1721 221160 220720 4

1722 rows × 3 columns

count UFMUN_Municipio IDHM_UFMUN MUNPAC_Municipio IDHM_MUNPAC
0 2 Acauã 528 Anísio de Abreu 594
1 1 Agricolândia 599 Amarante 598
2 193 Água Branca 639 Agricolândia 599
3 1 Água Branca 639 Altos 614
4 13 Água Branca 639 Amarante 598
... ... ... ... ... ...
1717 1 Valença do Piauí 647 União 577
1718 1 Valença do Piauí 647 Uruçuí 631
1719 7 Valença do Piauí 647 Várzea Branca 553
1720 884 Valença do Piauí 647 Várzea Grande 571
1721 4 Vila Nova do Piauí 565 Padre Marcos 541

1722 rows × 5 columns

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

UFMUN MUNPAC count
0 220005 220070 2
1 220010 220050 1
2 220020 220010 193
3 220020 220040 1
4 220020 220050 13
... ... ... ...
1471 221130 221110 1
1472 221130 221120 1
1473 221130 221135 7
1474 221130 221140 884
1475 221160 220720 4

1476 rows × 3 columns

count UFMUN_Municipio IDHM_UFMUN MUNPAC_Municipio IDHM_MUNPAC
0 2 Acauã 528 Anísio de Abreu 594
1 1 Agricolândia 599 Amarante 598
2 193 Água Branca 639 Agricolândia 599
3 1 Água Branca 639 Altos 614
4 13 Água Branca 639 Amarante 598
... ... ... ... ... ...
1471 1 Valença do Piauí 647 União 577
1472 1 Valença do Piauí 647 Uruçuí 631
1473 7 Valença do Piauí 647 Várzea Branca 553
1474 884 Valença do Piauí 647 Várzea Grande 571
1475 4 Vila Nova do Piauí 565 Padre Marcos 541

1476 rows × 5 columns

4.2.1 - Top 15 Municipios que mais exportam atendimentos¶

Considerando Capital¶

MUNPAC_Municipio count IDHM_MUNPAC
0 União 27176 577
1 José de Freitas 23910 618
2 Altos 22724 614
3 Campo Maior 20354 656
4 Luís Correia 19324 541
5 Piripiri 19305 635
6 Miguel Alves 17798 539
7 Parnaíba 16997 687
8 Teresina 16735 751
9 Esperantina 15606 605
10 Oeiras 14728 634
11 Pedro II 14371 571
12 Barras 13345 595
13 Piracuruca 13227 596
14 Monsenhor Hipólito 12994 561

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

MUNPAC_Municipio count IDHM_MUNPAC
0 Luís Correia 16137 541
1 Sussuapara 10803 586
2 Monsenhor Hipólito 10528 561
3 Colônia do Piauí 9370 588
4 Alagoinha do Piauí 8104 531
5 Francisco Santos 7856 608
6 Ipiranga do Piauí 7588 630
7 Buriti dos Lopes 7381 565
8 Jaicós 7343 524
9 Itainópolis 7288 541
10 Campo Grande do Piauí 7272 560
11 Dom Expedito Lopes 7200 601
12 Cocal 7163 497
13 Oeiras 6917 634
14 Inhuma 6744 624

4.2.2 - Top 15 Municipios que mais importam atendimentos¶

Considerando Capital¶

UFMUN_Municipio count IDHM_UFMUN
0 Teresina 600742 751
1 Picos 193932 698
2 Esperantina 96717 605
3 Parnaíba 56044 687
4 Floriano 54744 700
5 São Raimundo Nonato 38076 661
6 Oeiras 32344 634
7 Piripiri 17518 635
8 Paulistana 16571 600
9 Valença do Piauí 15136 647
10 Campo Maior 8266 656
11 São João do Piauí 2448 645
12 Bom Jesus 2438 668
13 Água Branca 2185 639
14 Barras 1484 595

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

UFMUN_Municipio count IDHM_UFMUN
0 Picos 193860 698
1 Esperantina 81608 605
2 Parnaíba 55803 687
3 Floriano 54479 700
4 São Raimundo Nonato 37997 661
5 Oeiras 32257 634
6 Piripiri 17232 635
7 Paulistana 16428 600
8 Valença do Piauí 15133 647
9 Campo Maior 8155 656
10 São João do Piauí 2448 645
11 Bom Jesus 2430 668
12 Água Branca 2100 639
13 Barras 1302 595
14 Piracuruca 1144 596

4.2.3 - Fluxo entre principais municipios apenas¶

Considerando Capital¶

count UFMUN_Municipio IDHM_UFMUN MUNPAC_Municipio IDHM_MUNPAC
0 1 Água Branca 639 Altos 614
1 1 Água Branca 639 Campo Maior 656
2 1 Água Branca 639 Monsenhor Hipólito 561
3 1 Água Branca 639 Oeiras 634
4 1 Água Branca 639 Parnaíba 687
... ... ... ... ... ...
126 15231 Teresina 751 Piripiri 635
127 26213 Teresina 751 União 577
128 5 Valença do Piauí 647 Oeiras 634
129 3 Valença do Piauí 647 Teresina 751
130 1 Valença do Piauí 647 União 577

131 rows × 5 columns

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

4.3 - Visão Por Municipio¶

Considerando apenas os 15 principais municipios de atendimento descritos na seção anterior, será feita uma análise mais detalhada.

Considerando Capital¶

-------------------------------
----------Teresina----------
-------------------------------

-------------------------------
----------Floriano----------
-------------------------------

-------------------------------
----------Parnaíba----------
-------------------------------

-------------------------------
----------Oeiras----------
-------------------------------

-------------------------------
----------Paulistana----------
-------------------------------

-------------------------------
----------Barras----------
-------------------------------

-------------------------------
----------São Raimundo Nonato----------
-------------------------------

-------------------------------
----------Esperantina----------
-------------------------------

-------------------------------
----------Valença do Piauí----------
-------------------------------

-------------------------------
----------Água Branca----------
-------------------------------

-------------------------------
----------Campo Maior----------
-------------------------------

-------------------------------
----------Piripiri----------
-------------------------------

-------------------------------
----------Picos----------
-------------------------------

-------------------------------
----------Bom Jesus----------
-------------------------------

-------------------------------
----------São João do Piauí----------
-------------------------------

Desconsiderando Capital¶

Desconsiderando origem e destino de/para teresina

Não é possível executar o código, a sessão foi descartada. Tente reiniciar o Kernel.
O Kernel falhou ao executar o código na célula atual ou em uma célula anterior. Examine o código nas células para identificar uma possível causa da falha. Clique <a href="https://aka.ms/vscodeJupyterKernelCrash">aqui</a> para obter mais informações. Consulte o <a href='command:jupyter.viewOutput'>log</a> do Jupyter para obter mais detalhes.
-------------------------------
----------Floriano----------
-------------------------------

-------------------------------
----------Parnaíba----------
-------------------------------

-------------------------------
----------Oeiras----------
-------------------------------

-------------------------------
----------Paulistana----------
-------------------------------

-------------------------------
----------Barras----------
-------------------------------

-------------------------------
----------São Raimundo Nonato----------
-------------------------------

-------------------------------
----------Esperantina----------
-------------------------------

-------------------------------
----------Valença do Piauí----------
-------------------------------

-------------------------------
----------Água Branca----------
-------------------------------

-------------------------------
----------Campo Maior----------
-------------------------------

-------------------------------
----------Piripiri----------
-------------------------------

-------------------------------
----------Picos----------
-------------------------------

-------------------------------
----------Piracuruca----------
-------------------------------

-------------------------------
----------Bom Jesus----------
-------------------------------

-------------------------------
----------São João do Piauí----------
-------------------------------

5 - Previsão de Demanda¶

[ Em Desenvolvimento ]

DT_ATEND UFMUN count
0 2020-10-01 220220 3
1 2020-10-01 220250 20
2 2020-10-01 220375 21
3 2020-10-01 220650 20
4 2020-10-01 220770 3
... ... ... ...
5092 2023-06-01 221120 167
5093 2023-06-01 221130 1022
5094 2023-06-01 221135 20
5095 2023-06-01 221150 20
5096 2023-06-01 221160 20

5097 rows × 3 columns

ds y
0 2021-01-01 82890
1 2021-02-01 82758
2 2021-03-01 85908
3 2021-04-01 90888
4 2021-05-01 100305
5 2021-06-01 114880
6 2021-07-01 113438
7 2021-08-01 119436
8 2021-09-01 123988
9 2021-10-01 118701
10 2021-11-01 121773
11 2021-12-01 109258
12 2022-01-01 105589
13 2022-02-01 104587
14 2022-03-01 129623
15 2022-04-01 115475
16 2022-05-01 131217
17 2022-06-01 127152
18 2022-07-01 128737
19 2022-08-01 131200
20 2022-09-01 132970
21 2022-10-01 136181
22 2022-11-01 159503
23 2022-12-01 131851
24 2023-01-01 122838
25 2023-02-01 116427
26 2023-03-01 159519
27 2023-04-01 150897
28 2023-05-01 173224
29 2023-06-01 124920
14:12:13 - cmdstanpy - INFO - Chain [1] start processing
14:12:14 - cmdstanpy - INFO - Chain [1] done processing
<prophet.forecaster.Prophet at 0x7fb194479690>
ds yhat yhat_lower yhat_upper
27 2023-03-31 133121.463348 131733.090878 134547.121602
28 2023-04-30 200557.639812 198969.890332 202003.037547
29 2023-05-31 124801.562380 123039.641284 126422.326405
30 2023-06-30 162660.856256 160585.936010 164674.886808
31 2023-07-31 143479.958666 140847.117081 146150.127894
32 2023-08-31 126991.863898 123834.921898 130347.454877
33 2023-09-30 167025.295605 163255.451809 171085.225980
34 2023-10-31 275611.904846 270889.089295 280707.808576
35 2023-11-30 156853.740711 151556.713571 162826.611071
36 2023-12-31 100266.320997 93856.542594 107128.129061

6 - Conclusão e Insights¶

[ Em Desenvolvimento ]